你在使用 Claude Code 时遇到过这些问题吗？
・每次都要重新向 AI 解释同样的事情，很麻烦
・它不记得昨天的对话
・你研究过的内容在下次会话中重置了
・过去读过的文章和笔记最终不知消失到哪里去了
所有这些问题的根源都是“AI 没有记忆”。
一篇将前 OpenAI 和前特斯拉 AI 负责人 Andrej Karpathy 提出的“AI 外脑”构建方法拆解到可以用 Claude Code 实际操作的级别，目前在海外 viral，获得了超过 2100 个赞 😳
它是由 @hooeem 撰写的，这位创作者经常在海外 AI 开发者社区发布爆款文章。这次，它被总结为一份从完全新手到开发者的 3 阶段指南。
我现在将拆解并通俗易懂地解释内容 👇
原文在此：https://x.com/hooeem/status/2041196025906418094
■ 为什么当前使用 AI 的方式“本身就是错的”
原文是这样开头的：
“大多数人把 AI 当作一个‘失忆的搜索引擎’。”
提问 → 得到答案 → 关闭标签页。第二天从头再来。没有任何积累，没有复利效应。你不断消耗 token 只是为了重新发现同样的上下文。
Karpathy 的系统完全颠覆了这一点。
- 收集材料。文章、论文、YouTube 转录、PDF，任何与你感兴趣的主题相关的内容。
- AI 读取所有内容并编写一个结构化的 Wiki。摘要、概念解释、想法之间的联系以及一个主索引。
- 针对那个 Wiki 提问。AI 交叉搜索自己积累的知识，并返回带有引用的整合答案。
- 答案自动保存到 Wiki。下一个问题会受益于所有过去的工作。
- AI 定期对 Wiki 进行健康检查。它发现并修复矛盾、空白和过时的信息。
结果呢？一个每次使用都会变得更智能的个人知识库。
如果你持续添加信息一个月，你将拥有一个 Google 搜索永远无法复制的深度关联的知识资产。因为它不仅仅是一个“索引”，而是“整合”过的。
根据原文，这可以用于任何主题：加密货币市场、医学研究、法律判例、竞争对手分析、学术研究、哲学。任何你想长期积累和连接知识的领域。
■ 第一级：完全新手版（Obsidian + Claude Chat）
不需要任何技术技能。你只需要两样东西：
・Obsidian（免费）── 从 obsidian.md 下载
・Claude 订阅（$20/月 Pro，或你喜欢的 AI 聊天机器人）
仅此而已。
第一步：创建一个 Vault（2 分钟）
打开 Obsidian，点击“创建新 Vault”。只需给它起个名字并选择保存位置。Vault 就是一个文件夹。里面的 Markdown 文件会自动显示为笔记。
第二步：创建两个文件夹（1 分钟）
raw ── 原始材料文件夹（文章、笔记、任何东西）
wiki ── AI 总结的知识文件夹
这就是整个基本结构。
第三步：添加你的第一批材料（5 分钟）
选择一个你真正感兴趣的主题。找到 3-5 篇关于该主题的好文章。在 raw 文件夹中为每篇创建一个笔记，并复制粘贴文本。在顶部写上 Source: [URL]。
不用担心格式。重要的是把文本放进去。
第四步：让 AI 创建 Wiki（5 分钟）
打开 Claude（claude.ai），使用原文中介绍的提示词。粘贴你的材料，并指示它“为每个来源写摘要，列出关键概念，并创建一个主索引”。
Claude 会返回结构化的输出，所以将每个输出保存为 wiki 文件夹中的一个笔记。
第五步：见证奇迹
打开 Obsidian 的图谱视图（Ctrl+G），你会看到笔记作为点，Wiki 链接连接着它们。这就是你的知识库网络。
从现在开始，养成日常习惯：当你发现一篇新文章时，把它放进 raw 文件夹，然后让 Claude“根据现有索引处理新来源”。如果有矛盾，Claude 会用 ⚠️ 标记出来。
简而言之，第一级只需要复制粘贴。不需要终端或编码。
■ 第二级：完整系统（3 层架构 + CLAUDE.md）
第一级是“复制粘贴操作”，而第二级是“AI 自己创建和管理文件的系统”。
原文提出的架构是一个 3 层结构。
第 1 层：raw/（原始材料）── 唯一的事实来源。AI 读取但不会重写。包含文章、论文、仓库文档、数据集和图片。
第 2 层：wiki/（编译后的 Wiki）── 由 AI 生成和维护。包含摘要、概念文章、人物/组织页面、交叉链接、索引和查询输出。人类通常不直接编辑这里。
第 3 层：CLAUDE.md（模式）── 一个配置文件，告诉 AI 这个 Wiki 的“结构、命名约定和可执行操作”。把它放在 Vault 的根目录。
四个操作循环持续运行：
・Ingest（摄入）── 导入新材料。AI 自动生成摘要、概念页面和连接。
・Compile（编译）── 构建和更新 Wiki 页面。维护索引并将新信息整合到现有结构中。
・Query（查询）── 提问。AI 交叉搜索 Wiki 并返回带有引用的答案。答案保存到 Wiki。
・Lint（检查）── 健康检查。自动发现并修复矛盾、空白、断链和过时信息。
原文中展示的文件夹结构如下 👇
my-knowledge-base/
├── raw/
│ ├── articles/
│ ├── papers/
│ ├── repos/
│ ├── datasets/
│ └── assets/
├── wiki/
│ ├── index.md
│ ├── log.md
│ ├── concepts/
│ ├── entities/
│ ├── sources/
│ ├── syntheses/
│ ├── outputs/
│ └── attachments/
├── templates/
└── CLAUDE.md
所有文件名都使用 kebab-case（小写字母连字符分隔）。例如，active-inference.md ✓，Active Inference.md ✗。来源摘要遵循 author-year-short-title.md 格式（例如，friston-2010-free-energy.md）。
CLAUDE.md 描述了 Wiki 结构、命名约定、每个操作（Ingest/Query/Lint）的具体流程、页面创建阈值（出现在 2 个以上来源的概念创建完整页面，1 个来源创建 stub），以及质量标准（摘要 200-500 字，概念文章 500-1500 字）。
原文说：“保持这个文件在 80 行以内。每一行都会消耗上下文窗口。”
■ 你的知识库里应该放什么？
原文问道：
“想想过去一年你消费过的所有内容，它们都消失了。”
・读完就忘的书
・改变了你思考方式的播客
・晚上 11 点保存但再也没打开过的文章
・深夜 YouTube 的兔子洞，比任何课程都教得多
・Kindle 高亮过但再也没看过的内容
・做重大决定前的研究
・旧项目的笔记
・从失败中吸取的教训
所有这些都在某个地方沉睡，毫无用处。所有这些都应该放进 Vault。
如果你没有材料怎么办？打开 Claude 聊天，聊 20 分钟。聊工作、目标、你现在在做什么、你在想什么。把那次对话保存为一个 Memory 文件。仅此一项，就会让你感觉“Claude 了解我”从第一次会话开始。
Vault 不必完美才能有用。重要的是它“真实”。
■ 第三级：自动化（5 个阶段）
这是给高级用户的。原文将自动化分为 5 个阶段。
第三级-1：通过 CLI 一次性执行
在终端中打开 Claude Code，用一个命令处理 raw/ 中所有未处理的文件。
第三级-2：斜杠命令
将 Markdown 文件放在 .claude/commands/ 中，使用自定义命令如 /wiki-compile。将重复性工作流变成单个命令。
第三级-3：定时执行
使用 Claude Desktop 的 /schedule 功能或 cron，每天早上自动处理 raw/ 中的新文件。睡前剪下一篇文章，醒来时 Wiki 已更新。
第三级-4：GitHub Actions
将你的 Vault 变成一个 GitHub 仓库。当你推送到 raw/ 时，Claude Code 在 GitHub Actions 上编译 Wiki。即使你的电脑关机也能工作。
第三级-5：Agent 技能
将技能文件放在 .claude/skills/ 中，Claude 会自动检测上下文并执行适当的操作。如果你说“我在 raw/ 里放了一个新文件”，Claude 会自动运行 Ingest 循环，无需你输入命令。
原文的建议：从第三级-1 开始，随着习惯逐步升级。从任何地方开始都不会破坏之前的级别。
此外，社区已经构建了插件。如果你安装 wiki-skills 插件，可以立即使用 /wiki-init /wiki-ingest /wiki-query /wiki-lint 命令。你甚至不需要手动编写配置文件。
■ 为什么“维护”是最大的瓶颈
这是原文中最深刻的见解。
Notion、Evernote、Roam Research……有很多工具声称是“第二大脑”。但大多数人在几个月后就停止使用它们了。
原因都一样：维护太麻烦。
正如原文所说：“输入信息很有趣。但整理标签、更新交叉引用、重组结构——当这些额外工作堆积起来时，它就变成了你实际工作之上的工作。如果你偷懒，系统就会退化。六个月后你试图重建它，然后循环重复。”
Claude 永远打破了这一循环。维护只是一个命令。重组整个 Vault 是一个提示词。从 Notion 迁移？处理导出文件、添加属性、重组到新系统——全部自动化。
在文章结尾，原文提到了 Vannevar Bush 的 Memex（1945 年）。一个个人策划的知识库，其中文档之间的连接与文档本身一样有价值——Bush 预见到了这一点，但他无法解决的是“谁来维护”。
现在，答案就在这里。
■ 总结
・Karpathy 提出的 LLM 知识库是一种“给 AI 长期记忆”的方法
・第一级只需在 Obsidian + Claude 聊天之间复制粘贴即可开始
・第二级是 3 层架构（raw / wiki / CLAUDE.md）和 4 个循环（Ingest / Compile / Query / Lint）
・第三级是 5 个阶段的自动化（CLI → 斜杠命令 → 定时执行 → GitHub Actions → Agent 技能）
・Vault 里应该放的是“过去一年你消费过但丢失的所有内容”
・AI 完全接管了“维护”，这是过去第二大脑工具失败的最大原因
・你可以立即使用社区制作的插件（wiki-skills 等）开始
来源：@hooeem
https://x.com/hooeem/status/2041196025906418094
━━━━━━━━━━
给那些觉得这篇文章有点帮助的人。
Claude Code Studio @ Japan (@ClaudeCode_love) 是
一个由三位 Claude Code 爱好者运营的账号。
我们每天发布关于 CLI 实际应用和自动化的内容。
目前正在与上市公司共同开发 AI Agent。
我们的日常内容 👇
・使用 Claude Code 和 Claude 的真实产品开发案例
・整理 Claude Code 用法 / Vibe Coding / 开发趋势
・来自海外的 Claude Code 最新信息
从开发理念到设计、实现和改进，
我们以“把可工作的产品推向世界”为前提进行总结，而不仅仅是“完成构建”。
如果你感兴趣，请关注并查看我们 👀
